电网故障最优诊断的查询方法

针对传统专家系统在电网故障诊断应用中的局限性,提出一种基于模型诊断的电网故障最优诊断的查询方法。该方法按照基于因果关系的诊断思想,得到预设故障输出对应的预备候选诊断,然后根据故障后的电气信息从匹配的预设故障输出中确定候选诊断,最后,运用贝叶斯理论计算候选诊断的故障概率,并查询最大概率的候选诊断作为电网故障的最优诊断。该方法通过离线获得预备候选诊断,在线确认候选诊断的手段,缩减了诊断的时间,在利用贝叶斯定理处理诊断的不确定性时,将告警信息引入到模型诊断逻辑框架内计算元件的实际故障概率,提高了诊断的准确性。算例分析结果验证了所提方法的有效性和可行性。     

基于贝叶斯网络的电容型设备故障诊断方法

提出了基于贝叶斯网络的电容型设备故障诊断方法,阐述了贝叶斯网络的构建过程.通过广泛收集有关电容型设备的故障资料,综合其各种检测数据和故障征兆,获得了较为全面的故障集和征兆集.经过对数据的统计分析获得了各故障类型下各征兆量有明显体现的条件概率,在此基础上建立了基于贝叶斯网络的电容型设备故障诊断模型,并根据电容型设备故障诊断的特点改进了贝叶斯网络的推理过程,采用连概率计算过程进行故障类型的概率信息计算,根据概率信息进行故障分类,提高了该方法的实用性.通过电容型设备故障实例分析,诊断结果验证了该方法的正确性和有效性.     

基于贝叶斯网络和故障区域识别的电网故障诊断研究

针对电网中因元件故障导致多个保护连锁动作的现象,提出了基于故障区域识别和贝叶斯网络的新型电网故障诊断方法。以电网元件为根节点分别建立贝叶斯网络,利用实时接线分析法确定故障区域以缩小诊断范围,再对故障区域中各元件的贝叶斯网络,利用反向推理得到各元件故障概率。结合SCADA/RMS系统信息,正向推理和相应计算推断出故障元件、拒动与误动的保护装置及断路器。算例的仿真结果证明了该方法的有效性,对于级联跳闸情况可准确诊断出故障。     

基于贝叶斯网络和故障区域识别的电网故障诊断研究

针对电网中因元件故障导致多个保护连锁动作的现象,提出了基于故障区域识别和贝叶斯网络的新型电网故障诊断方法.以电网元件为根节点分别建立贝叶斯网络,利用实时接线分析法确定故障区域以缩小诊断范围,再对故障区域中各元件的贝叶斯网络,利用反向推理得到各元件故障概率.结合SCADA/RMS系统信息,正向推理和相应计算推断出故障元件、拒动与误动的保护装置及断路器.算例的仿真结果证明了该方法的有效性,对于级联跳闸情况可准确诊断出故障.     

应用于智能电网故障检测的关联规则挖掘算法优化

针对于目前故障检测方法在智能电网应用中存在较大误差的问题,介绍了一种基于贝叶斯网络和关联规则数据挖掘的算法模型,通过Hash技术优化Apriori算法,对原数据挖掘,去除不期望的候选项集,并通过贝叶斯网络训练样本,减少检测误差,最终得到电网故障检测结果。仿真结果表明,这种基于贝叶斯网络和关联规则挖掘算法的故障检测模型,比传统算法在电网故障检测方面更有效率,且检测误差大幅降低。     

基于多分类相关向量机的变压器故障诊断新方法

变压器故障诊断本质为多分类问题,具有故障样本数据少,故障不确定因素多的特点。现有变压器故障诊断方法中,贝叶斯网络(BN)需要大量样本数据且计算量大,支持向量机(SVM)存在规则化系数确定困难的局限。针对此现状,提出基于多分类相关向量机(M-RVM)的变压器故障诊断新方法。该方法以变压器溶解气体含量比值作为M-RVM模型的输入,采用快速type-Ⅱ最大似然(Fast Type-ⅡML)和最大期望估计(EM)的方法进行模型推断,诊断输出为各故障类别的概率,以概率最大的故障类别作为诊断结果。实例分析表明该方法诊断速度较快,能满足工程需要,同基于BN和SVM的变压器故障诊断方法相比,具有较高的诊断正确率。     

电网运维大数据背景下的继电保护通信系统故障定位方法

针对承载继电保护业务的光纤通信系统频发多通道同时告警事件导致故障定位困难的问题,基于电网运维大数据和贝叶斯网络模型处理方法,提出了一种继电保护通信系统故障定位方法。结合继电保护故障信息管理系统(RPMS)、通信网管系统告警信息和调度运行管理系统(OMS)信息缩小故障定位范围,然后基于由历史运维数据计算得到的先验概率,通过改进的贝叶斯算法进行故障概率计算,推断出故障原因,借助通信资源管控系统信息进行故障定位。算例的计算结果证明了该方法的有效性和准确性。该方法对于多区域并发性故障定位同样适用。     

基于贝叶斯网络和故障录波数据的电网故障综合诊断方法

电网故障诊断是保证系统安全运行的基础,故障录波系统提供的信息为电网故障的精确诊断提供了重要依据。为了有效利用故障录波数据,并在信息缺失或不确定条件下精确诊断电网故障,研究了基于贝叶斯网络和故障录波数据的电网故障综合诊断方法。通过在故障录波联网系统的主站建立输电网贝叶斯模型,结合从故障录波系统得到的模拟量和开关量数据,从而构成基于贝叶斯网络的电网故障识别模型。将贝叶斯网络得出的高可信度诊断结果融入专家系统的知识库,形成完备的故障诊断专家系统。实例分析表明,可快速并准确地定位故障元件,提高电网故障处理效率。     

基于多分类相关向量机的变压器故障诊断新方法

变压器故障诊断本质为多分类问题,具有故障样本数据少,故障不确定因素多的特点。现有变压器故障诊断方法中,贝叶斯网络(BN)需要大量样本数据且计算量大,支持向量机(SVM)存在规则化系数确定困难的局限。针对此现状,提出基于多分类相关向量机(M-RVM)的变压器故障诊断新方法。该方法以变压器溶解气体含量比值作为M-RVM模型的输入,采用快速type-II 最大似然(Fast Type-II ML)和最大期望估计(EM)的方法进行模型推断,诊断输出为各故障类别的概率,以概率最大的故障类别作为诊断结果。实例分析表明该方法诊断速度较快,能满足工程需要,同基于BN和SVM的变压器故障诊断方法相比,具有较高的诊断正确率。     

基于模型的配电网故障诊断关键问题研究

现有配电网故障诊断方法主要是根据故障后保护装置产生的报警信息,断路器的状态变化信息来推断可能故障位置和类型,属于后验故障诊断方法。基于模型诊断方法(Model-based diagnosis, MBD )则直接利用电压电流等量测量来判断故障元件,可以在保护装置和断路器动作前进行故障定位,具有一定的故障预警功能。给出一个完整的基于模型的配电网诊断方案,采用优化的离散二进制粒子群算法（BPSO, Binary Particle Swarm Optimization）求取冲突集的最小碰集,诊断识别过程中以贝叶斯后验概率形式量化了候选诊断的衡量标准,从而降低诊断过程中的不确定度。最后以某10 kV配电网为诊断实例,通过实际建模、编程和实验,取得了良好的效果。     

电网故障信息可视化故障告警分析及诊断

为了提高电网故障的快速诊断能力,减轻故障对电网造成的损害,建立电网故障告警分析诊断系统,应用 可视化服务引擎和动态模型,将系统采集的电网故障信息进行可视化显示.设计的柔性多端口直流断路器,由多个双 极性晶体管和快速机械开关组成,利用电容的充电效应缓解故障电流带来的冲击.基于贝叶斯网络构建故障诊断模 型,根据发生故障后电力设备动作信息的时序关系,计算可疑故障元件的故障概率.搭建仿真实验环境进行测试,实 验结果显示该系统计算出的概率最高可达到99.8％,并且能够有效显示故障线路的电流电压.     

基于贝叶斯网的电网多区域复杂故障诊断研究

针对大电网复杂拓扑结构的电网故障情况,先对其进行分割,提出一种基于粗糙集与贝叶斯网相融合的分层递归型诊断网络模型。利用粗糙集理论的知识约简和处理不确定信息的能力,对电网故障诊断知识进行分层挖掘,实行属性优选,再运用贝叶斯网络完成故障区域及故障元件的识别。该方法对复杂故障采用多区域并行诊断。算例结果表明,该方法正确、有效,能提高系统丢失关键信息情况下的容错性,实时性也很高,具有很好的实用价值。     

基于贝叶斯网的电网多区域复杂故障诊断研究

针对大电网复杂拓扑结构的电网故障情况,先对其进行分割,提出一种基于粗糙集与贝叶斯网相融合的分层递归型诊断网络模型.利用粗糙集理论的知识约简和处理不确定信息的能力,对电网故障诊断知识进行分层挖掘,实行属性优选,再运用贝叶斯网络完成故障区域及故障元件的识别.该方法对复杂故障采用多区域并行诊断.算例结果表明,该方法正确、有效,能提高系统丢失关键信息情况下的容错性,实时性也很高,具有很好的实用价值.     

电网故障诊断的时间因果贝叶斯网模型

在使用保护和断路器的动作信息进行电网故障诊断时,这些警报的时序特性的加入能够给诊断提供更丰富的信息,使得诊断结果更准确。提出了电网故障诊断的时间因果贝叶斯网模型,采用模糊方式对时间因果关系进行离散化处理,采用模糊运算来合成多个时间因果关系,通过概率计算获得最大可能的故障假说。理论与算例表明该方法有效可行。     

基于MCPO模型的变压器故障诊断方法

针对传统的SVM方法在辨别故障特征不明确的样本时会出现误诊断的问题,提出一种基于多分类概率输出(Multi-classified Probability Output,MCPO)模型的变压器故障诊断方法。其在继承了SVM方法优点的基础上,利用Sigmoid函数实现SVM的二分类概率输出,进而综合多个二分类输出结果,将模型的求解转化为一个凸二次规划求解问题实现多分类概率输出,通过制定相关的评价指标利用故障概率信息能够有效的辨识故障特征不明确的样本。该方法对现有SVM误诊断的样本能够给出发生每类故障的概率估计,减少了对变压器故障的误判。仿真结果验证了基于MCPO模型的变压器故障诊断方法的正确性和有效性。     

基于多模型的变压器故障组合诊断研究

变压器故障诊断是保证整个电力系统正常运行的重要部分,为此提出了一个基于支持向量机并与多种贝叶斯分类算法相结合的组合诊断模型。诊断过程中,首先通过相关统计分析,选择典型油中气体的12个相关属性值作为模型的输入参数,并对其进行数据预处理,生成一次样本。其次,按照变压器常见的13种故障类型,利用多个单一诊断方法如朴素贝叶斯模型、半朴素贝叶斯模型、增强的朴素贝叶斯模型和贝叶斯网络增强模型构成诊断模型群,对一次样本数据进行诊断。最后,把贝叶斯诊断模型群的诊断结果作为支持向量机的输入进行二次诊断,构成变权重的组合诊断。对基于支持向量机的组合诊断过程和参数计算进行了详细地探讨。通过与多种预测方法进行比较,基于支持向量机的变压器故障组合诊断模型的正确率明显优于单一诊断模型和其它的组合诊断模型。此外,通过2个实例证明了提出的组合诊断模型的有效性。因此,该模型可以用于实际工程。     

基于BPN方法的电网故障诊断

针对电网发生故障时,故障信息不完整或不确定,难以得到正确结论,以及贝叶斯理论虽在解决不完整数据上具有优势但不能大规模建模的问题,定义了贝叶斯Petri网(BPN),提出了基于BPN方法的电网故障诊断算法。利用某电网对该算法进行验证,结果表明,该算法能够快速准确诊断故障元件,提高了诊断的容错性。     

基于改进贝叶斯网络的风机齿轮箱自动诊断策略研究

为实现风机运行状态的监测功能,并完成监测数据智能诊断任务,开发了风机智能监测系统。首先,基于振动理论建立了齿轮箱动态模型,并分析了不同故障类型的数据特征,为智能诊断提供了辨识依据。然后,利用贝叶斯网络理论,分析了贝叶斯网络的全概率公式;并在此基础上进行研究,提出了简化广义逆矩阵的智能诊断实现方法。最后,搭建了以广义逆矩阵的智能诊断方法为核心的智能监测系统实现结构。系统在现场进行了运行检测,结果表明,智能监测系统输出结果和人工诊断结果相符。系统已在风场取得初步的工程应用。     

基于BPN方法的电网故障诊断

针对电网发生故障时,故障信息不完整或不确定,难以得到正确结论,以及贝叶斯理论虽在解决不完整数据上具有优势但不能大规模建模的问题,定义了贝叶斯Petri网(BPN),提出了基于BPN方法的电网故障诊断算法.利用某电网对该算法进行验证,结果表明,该算法能够快速准确诊断故障元件,提高了诊断的容错性.     

电网故障诊断完全解析模型的解集评价与最优解求取

电网故障过程中保护和断路器的动作及其动作告警存在不确定性,致使基于电网保护规则解析的故障诊断模型存在多解问题,如何快速有效地求取最优解是电网故障诊断解析模型实用化的关键。针对此问题,提出一种求取电网故障诊断解析模型最优解的方法,通过解析保护和断路器动作的不确定性和告警信号的不确定性,构建完全解析模型的解集评价指标,将故障诊断问题转换为求取完全解析模型最优解的数学规划问题,然后利用保护和断路器的拒动、误动概率以及告警信号的误报和漏报概率等先验知识,采用随机优化算法求取最优解,并从最优解导出诊断结论。故障诊断算例和实际故障案例的诊断验证了所提出的完全解析模型求解方法的有效性以及相应故障诊断方法的容错性和实用性。